複雜性科學中的三個迷思以及如何破解它們

核心概念

複雜系統並非擁有超越其組成部分的神奇特性，而是源於對自由度的限制，產生了不同於（而非大於）部分總和的結果。

摘要

複雜系統的迷思與誤解

這篇文章探討了複雜性科學中普遍存在的迷思，這些迷思常常導致對複雜系統的誤解。文章首先指出，儘管複雜系統的例子如蟻群覓食、椋鳥群的形成和城市交通流動看似容易理解，但科學界對於複雜系統的定義尚未達成共識。現有的定義通常涉及一些定義不清的特性，例如複雜性出現所需的元素數量、記憶需求或穩健秩序的出現。

文章接著挑戰了三個普遍存在的迷思：

1. 整體大於部分的總和： 文章認為整體並非簡單地大於部分總和，而是與部分總和不同。複雜系統中看似新穎的特性其實是一種錯覺，它們實際上是由於自由度的減少而產生的，這種減少導致了元素之間的關聯性。
2. 複雜系統無法通過還原論方法理解： 文章指出，表現出（弱）湧現性的複雜系統並非無法通過還原論方法分析。複雜性科學家通過將系統行為與其組成部分的交互作用聯繫起來提供解釋，從而揭示湧現特性產生的機制。這種理解允許採用基於干預的方法來檢驗部分的變化如何影響整個系統。
3. 湧現系統需要許多實體： 文章強調，湧現系統可以在任何具有交互作用的系統中出現，而不需要文獻中經常提到的眾多交互實體。湧現特性和行為可以通過兩個實體之間的非線性交互作用而存在。

湧現性：從特性到行為

文章進一步探討了湧現性的概念，將其定義為系統的一種特性，這種特性是由於各部分之間的相互關係而存在的。文章區分了湧現特性和湧現行為，認為湧現行為是湧現特性隨時間推移的表現形式。

現代複雜性科學中的湧現性

在現代複雜性科學中，湧現性與系統或元素複合體產生的交互作用密不可分。它指的是系統性的規律性，例如行為或結構，這些規律性是由於單個元素的交互作用而產生的。這種現代觀點與亞里斯多德的觀點相呼應，即湧現特性源於整體內各部分之間的複雜組織和交互作用。

結語

文章最後總結了對複雜系統的現代理解，即如果一個系統表現出湧現特性，並且其動力學導致湧現行為，則該系統被認為是複雜的。文章強調了理論基礎與實際應用相結合的重要性，並指出了未來研究的方向，即進一步探索組成部分之間的交互作用如何影響複雜系統的行為和形式。

統計資料

引述

“The whole is not merely the sum of its parts, but it is something more than this.” - Henri Poincaré, Science and Hypothesis (1905)

從以下內容提煉的關鍵洞見

Three Myths in Complexity Science and How to Resolve Them

by Casper van E... 於 arxiv.org 11-19-2024

https://arxiv.org/pdf/2407.01762.pdf

深入探究

如果湧現特性並非「更多」，而是「不同」，那麼我們如何量化和比較不同系統的複雜性？

若湧現特性並非「更多」，而是「不同」，那麼傳統上以「量化」為基礎的複雜性比較方法便不再適用。我們需要發展新的框架，從「質性」的角度來理解和比較系統複雜性。以下列舉幾種可能的思路：

以「限制」的多寡來衡量複雜性: 如文中所述，複雜系統的湧現特性源於系統組成部分之間相互「限制」。 因此，我們可以通過分析系統內部「限制」的數量、種類和相互作用方式來評估其複雜程度。系統內部的「限制」越多、種類越豐富、相互作用越複雜，則系統的複雜性越高。
以「湧現行為」的豐富程度來衡量複雜性: 不同的複雜系統會展現出不同的湧現行為。 我們可以通過分析系統湧現行為的種類、多樣性和不可預測性來比較其複雜程度。系統湧現行為越豐富、多樣、難以預測，則系統的複雜性越高。
以系統對「擾動」的反應來衡量複雜性: 複雜系統對外部擾動的反應往往是非線性和難以預測的。 我們可以通過觀察系統在面對不同類型和強度擾動時的反應來評估其複雜程度。系統對擾動的反應越敏感、越非線性、越難以預測，則系統的複雜性越高。

總而言之，我们需要摆脱「更多」的迷思，轉而關注「不同」所带来的全新视角。 通过分析系統內部的「限制」、「湧現行為」和對「擾動」的反應，我們可以更全面地理解和比較不同系統的複雜性。

如果複雜系統可以通過還原論方法理解，那麼複雜性科學是否只是現有學科的子集，而不是一個獨立的領域？

即使複雜系統可以通過還原論方法理解，複雜性科學仍然是一個獨立的領域，而非現有學科的子集。 這是因為：

複雜性科學強調「系統性」思維: 雖然還原論可以幫助我們理解系統的組成部分，但複雜性科學更強調從整體的角度出發，關注系統各個組成部分之間的相互作用和關係，以及這些相互作用如何產生新的湧現特性。 這是一種超越單一學科的「系統性」思維方式。
複雜性科學發展新的研究方法和工具: 為了研究複雜系統，複雜性科學發展了一系列新的研究方法和工具，例如網絡科學、非線性動力學、計算機模擬等。 這些方法和工具無法被歸類到任何單一學科，而是複雜性科學獨特的貢獻。
複雜性科學應用於跨學科領域: 複雜性科學的應用範圍非常廣泛，涵蓋物理學、生物學、社會學、經濟學等眾多領域。 它為解決跨學科的複雜問題提供了新的思路和方法。

總而言之，複雜性科學並非要取代現有學科，而是要彌補還原論的不足，從「系統」的角度出發，為理解和解決複雜問題提供新的視角和方法。 因此，即使複雜系統可以通過還原論方法理解，複雜性科學仍然具有其獨特的學術價值和應用前景，是一個獨立的學科領域。

複雜系統中湧現特性的概念如何應用於理解人類意識的產生？

人類意識的產生是科學界尚未完全解開的謎團，而複雜系統中湧現特性的概念為我們理解這一複雜現象提供了一個很有前景的框架。

大腦作為複雜系統: 人腦是一個由數百億個神經元組成的複雜網絡，這些神經元通過電化學信號相互連接和交流。 這些大量的相互作用產生了遠超單個神經元能力的湧現特性，例如感知、思考、情感和意識。
意識的湧現: 從複雜系統的角度來看，意識可以被視為一種湧現特性，它並非存在於單個神經元中，而是由大量神經元之間的複雜互動所產生。 這些互動形成特定的神經迴路和活動模式，最終產生了意識體驗。
研究方向: 運用複雜系統的理論和方法，例如網絡分析、動態系統建模和計算機模擬，可以幫助我們更好地理解大腦這個複雜系統的運作機制，以及意識是如何從中湧現的。 例如，研究神經元之間的同步活動、信息傳遞和網絡結構變化如何與不同的意識狀態相關聯。

然而，將意識理解為湧現特性也面臨著挑戰。 例如，我們需要更精確地定義和測量意識，並發展更强大的工具來模擬和分析大腦的複雜動態。
總而言之，複雜系統的湧現特性概念為我們理解人類意識的產生提供了一個新的視角。 儘管還有許多挑戰需要克服，但通過結合神經科學、心理學和複雜系統科學的研究方法，我們有望在未來更深入地理解意識這一複雜現象的本質。